模拟退火算法教学文案.ppt

模拟退火算法;模拟退火算法是什么？是怎样提出来的？;简介;基本思想;基本思路;一、模拟退火算法概述;固体退火过程; 1 模拟退火算法概述 ;1、源于对固体退火过程的模拟；; 1 模拟退火算法概述 ; 固体退火是将固体加热至融化，再徐徐冷却使之凝固成规整晶体的热力学过程，属于热力学与统计物理研究的范畴。; 1 模拟退火算法概述 ; 1 模拟退火算法概述 ; 1 模拟退火算法概述 ; 1 模拟退火算法概述; 1 模拟退火算法概述 ;Monte Carlo模拟退火过程 蒙特卡罗(Monte Carlo)方法，或称计算机随机模拟方法，是一种基于“随机数”的计算方法。这一方法源于美国在第一次世界大战中研制原子弹的“曼哈顿计划”。该计划的主持人之一、数学家冯·诺伊曼用驰名世界的赌城—摩纳哥的Monte Carlo—来命名这种方法，为它蒙上了一层神秘色彩。;Monte Carlo方法 Monte Carlo方法的基本思想很早以前就被人们所发现和利用。 早在17世纪，人们就知道用事件发生的“频率”来决定事件的“概率”。 Buffon试验：19世纪人们用投针试验的方法来求解圆周率π。 本世纪40年代电子计算机的出现，特别是近年来高速电子计算机的出现，使得用数学方法在计算机上大量、快速地模拟这样的试验成为可能。;Monte Carlo方法 用民意测验来作一个不严格的比喻。民意测验的人不是征询每一个登记选民的意见，而是通过对选民进行小规模的抽样调查来确定可能的优胜者。其基本思想是一样的。 它需要一个良好的随机数源。这种方法往往包含一些误差，但是随着随机抽取样本数量的增加，结果也会越来越精确。; 1 模拟退火算法概述 ;1953年提出重要性采样法----以概率接受新状态.;若 ，则接受 j，否则接受i。; 由 的定义可知，高温下可接受与当前状态能差较大的状态为重要状态，而在低温下只能接受与当前状态能差较小的新状态为重要状态。在温度趋于零时，就不再接受 的新状态 了。;退火过程（降温过程） 在Metropolis抽样过程中温度T缓慢的降低。模拟退火过程就是通过T参数的变化使状态收敛于最小能量处。因而，T参数的选择对于算法最后的结果有很大影响。初始温度和终止??度设置的过低或过高都会延长搜索时间。降温步骤太快，往往会漏掉全局最优点，使算法收敛至局部最优点。降温步骤太慢，则会大大延长搜索全局最优点的计算时间，从而难以实际应用。因此，T可以理解为一个控制参数。;为寻找在有限时间逼近全局最优的模拟退火算法，设置了许多控制算法收敛的参数。在退火过程中指定了有限的退火温度值和在每一温度下的转移数目。Kirlpatrick等人在退火步骤中设定的参数如下： （1）初始温度值：初始温度值T0要选的足够高，保证模拟退火算法中所有可能的转移都能被接受。; （2）温度的下降：原先使用指数函数实现温度的下降。但是这种方法使降温幅度过小，从而延长搜索时间。在实际中，通常使用下式： 此处λ是一小于却接近于1的常数。λ通常的取值在0.8至0.99之间。在每一温度下，实验足够多的转移次数。 （3）终止温度：如果在连续的若干个温度下没有可接受的新状态，系统冻结或退火停止。;SAA提出依据; 1 模拟退火算法概述 ;;SAA机理; 1 模拟退火算法概述 ; 1 模拟退火算法概述 ;三函数两准则;SAA流程;;SAA特点;马氏链描述; 模拟退火算法(SAA)是将物理退火过程与组合优化相结合的一种随机迭代寻优算法。;设 为所有状态构成的解空间，;一步转移概率;模拟退火算法(SAA)的搜索进程：;若固定每一温度，算法均计算马氏链的变化直至平稳分布，然后下降温度。;SAA基础理论;SAA要实现全局收敛必须满足下列条件：;定义1;时齐模拟退火算法的收敛性结论：;2.2.2 非时齐算法的收敛性; 对退温函数加以严格控制，可使得SA算法以概率1收敛到全局最优解。 可设计退温函数为;2.2.3 SA算法渐近性能的逼近 ;第三节 模拟退火算法关键参数和操作的设计;1 状态产生函数（邻域函数）;前者决定由当前解产生候选解的方式，后者决定在当前解产生的候选解中选择不同状态的概率。 候选解的产生方式由问题的性质决定，通常在当前状态的邻域结构内以一定概率方式产生， 而邻域函数和概率方式可以多样化设计，其中概率分布可以是均匀分布、正态分布、指数分布、柯西分布等。;2 状态接受函数;固定温度下，接受使目标函